در بخش عمده ای از زمان تولید گفتار، حنجره نقش منبع ارتعاشی، و ستون هوا از حنجره تا لب ها که همان مجرای فوق چاکنایی (Vocal Tract) باشد، به عنوان دستگاه طنین بخش عمل می کنند.

در هر دو مورد گفتار و موسیقی، برای تولید صدا جریان مستمر انرژی که در یک جهت حرکت دارد، باید به حرکات جلو و عقب یا به عبارت دیگر به نوسان ها بدل شود، که این حرکت ابتدا دستگاه های ارتعاشی جامد و سپس ذرات هوا را به حرکت درمی آورد.

انرژی آکوستیکی که همراه گفتار است، از ماهیچه های سینه نشات می گیرد. این ماهیچه ها هنگام انقباض هوا را از شش ها به سوی اجزای مختلفی که ساز و کار صوتی را تشکیل می دهند، روانه می سازند.

توان میانگین گفتار شخص در تراز محاوره ای، تقریبا ۱۰ میکرووات است، و البته این مقدار میانگین باید در فاصله زمانی نسبتا طویلی، بین دو تا چهار ثانیه تعیین گردد.

گوش به سه ناحیه تقسیم می شود: گوش خارجی، گوش میانی و گوش داخلی. گوش خارجی شامل لاله گوش، مجرای گوش و پرده سماخ می شود. قسمت خارجی گوش را لاله گوش می نامند. لاله گوش از طریق بازتابانیدن امواج آکوستیکی به داخل گوش می تواند اندکی به حساسیت آن بیافزاید.

این بخش از گوش شامل سه استخوانچه کوچک به نام های: چکشی، سندانی و رکابی می باشد. این استخوانچه ها فوق العاده کوچک هستند ولی نقش اساسی در شنوایی دارند.

گوش داخلی متشکل است از حلزونی گوش و مجراهای نیم دایره.

یکی از مهم ترین مطالعات آکوستیکی اتاق، مکانیسم تلفات موج صداست که باعث کاهش انرژی در بازتاب از دیوارها و هنگام انتشار در هوا می­شود. این امر قدرت صدای مستقیم، بازتاب های آن و در نتیجه مشخصات آکوستیکی اتاق را تحت تاثیر قرار می دهد.

اساس کار این جاذب ها ایجاد اصطکاک در مقابل بیشترین سرعت ذرات هواست. هنگامی که ذرات هوا وارد حفره ها میشوند به دلیل اصطکاک درون آنها انرژی خود را از دست میدهند. همانطور که متوجه شدید کوچک بودن قطر حفره بر روی این جاذبها تاثیر آنها را افزایش میدهد. کاربرد این جاذب ها مربوط به فرکانس های بالاست.

شکل کلی این جاذب ها به صورت صفحه ای در فاصله از دیوار سخت بوده که آزادانه ارتعاش میکند. در صورت برخورد موج صدا با این جاذبها آنها به ارتعاش در آمده و این ارتعاشات را به فاصله هوایی منتقل می کنند. جذبی که از لرزش های دیوارهای تک لایه و یا دیوار بوجود می آید بسیار کم است. این موضوع برای دیوارهای دولایه و یا پیچیده تر (Complex) در صورتی که دیوار طرف اتاق به نحوی قرار داشته باشد که مانعی برای لرزش آن نبوده و یا بسیار سنگین نباشد، متفاوت است. به دلیل تقابل بین صفحه­ها و هوای بین آن ها این سیستم مانند یک جاذب رزونانسی عمل می­کند.

گاهی اوقات جاذب ها برای پوشاندن بخشی از دیوار و یا سقف طراحی نشده و فقط اشیای جداگانه ای هستند که بر روی دیوار و یا فضای خالی قرار می گیرند.

این یک حقیقت است که شنیدن صدا با وجودیک صدای زمینه دشوار می شود. در این حالت می گوییم پوشش رخ داده است. به عبارت دیگر صدای زمینه صدای مورد نظر ما را پوشانده است. ساختار بسامدی و نحوه پوشش امری بسیار پیچیده است.

همانطور که می دانید امواج مکانیکی در محیط های بسته تشکیل امواج ایستا می دهند. فرکانس و طول موج این امواج ایستا متناسب باابعاد محیط بسته (اتاق) خواهد بود. فرکانس این امواج ایستا که مدهای رزونانسی اتاق نامیده می شوند، نقش بسزایی در مشخصات آکوستیکی و جایابی تجهیزات در اتاق دارند.

وقتی دو تن هارمونیک ساده تقریبا به یک شدت باشند، ولی بسامدشان چند هرتز با هم تفاوت داشته باشد، به طور خطی ترکیب می شوند و دامنه ارتعاش منتجه آن ها به میزانی مساوی با اختلاف بسامد آن ها کم و زیاد می گردد.

از جنبه های درک ذهنی صوت در آکوستیک موسیقی می توان گفت که هر صوتی عموما سه خاصیت متمایز دارد که آن را از صوت دیگر متمایز می سازد.

چون انتشار امواج صوتی زمان بر است، صداهای منعکس شده بعد از صوت مستقیم پس از تاخیری کوتاه توسط صداهای انعکاس یافته تکرار می شوند. اگر میزان تاخیر حدود ۵۰ میلی ثانیه و بیشتر باشد، آن گاه به صدای منعکس شده بازآوا یا اکو (Echo) گفته می شود.

این پدیده همانگونه که قبلاً ذکر شد عموماً اکو شناخته می­شود. تجربه­ این پدیده در فضاهای بازتر بخش خواهد بود امّا در مورد سالن­های کنسرت و سخنرانی ممکن است نامطلوب باشد زیرا توجه شنوندگان را منحرف می­کند.

این پاسخ ضربه متشکل از صدای مستقیم و تعدادی تکرار صدای ضربه­ای اصلی ناشی از بازتاب­های سیگنال صدا از نواحی مرزی اتاق می­باشد. هر کدام از این بازتاب­های سیگنال صدا از نواحی مرزی اتاق می­باشد.

جداسازی پارامترهای معنی­دار فیزیک صوت و پیدا کردن روابط آن­ها همانگونه که در گذشته بوده است هنوز هم موضوع تعدادی از تحقیقات تجربی می­باشد تا به پاسخ مسائلی که تنها در آزمایشات عملی ( نه صرفاً مجموعه­ای از گمانه­زنی­ها) بدست می­آید برسیم.

تحت چه شرایطی یک بازتاب (بدون توجه به روشی که آشکارسازی می­شود) محسوس نخواهد بود و تحت چه شرایطی توسط صدای مستقیم پوشانده می­شود.